runesleo

用 AI Agent 做过内容或数据采集的都知道，抓网页是最脏最累的活。
我平时工作流里靠 Chrome cookie 抓数据，cookie 过期就废；遇到 Cloudflare 或反爬严格的站直接 403；X 的内容更别提，登录态动不动失效，API 额度用完就得换方案。一个链接进来，得准备三四层兜底，经常跑到最后一层还是抓不到。花在"让数据进来"上的精力，比"用数据做事"还多。
试了下 XCrawl，给我的 OpenClaw bot 装了它的 skill。
第一个测试——跟 bot 说"抓一下 的内容"，几十个预测市场的赔率、成交量、截止时间，全部结构化 markdown 回来了。JS 动态渲染的页面，一个请求搞定。
第二个测试更狠——丢了一条自己的 X Article 链接进去。几千字的长文连 views、likes、bookmarks 都一起回来了。X 的内容是出了名的难抓，之前要单独写一套逻辑，现在一句话的事。
看了下消耗，每次请求 1-2 个 credit。内置住宅代理和 JS 渲染，不用自己搭基建。输出的 markdown 直接喂 LLM 或者存数据库，不用二次清洗。
API 有五种模式——单页抓取、全站爬取、站点地图、搜索、SERP，基本覆盖了日常采集场景。OpenClaw 用户装个 skill 就能用，注册送 1000 credits 够跑一阵。
说实话，数据采集

Claude 的 yes man 训练得太好了

策略跑通了，想多开几个号分散风险，结果卡了一整天。

坑不在策略，在基础设施。
同一套代码，A 账户正常交易，B 账户死活显示余额 $0。API 认证正常，地址也对，钱包里明明有 $600。
排查了地址映射、proxy 架构、API credential 重新生成，全部没用。
最后发现：Polymarket 的 Google 登录和钱包登录，底层用的是不同的签名协议。代码里写死了一个数字 2，该用 1。一个常量的差异，让整个账户变成幽灵户。
从"策略能跑"到"多号能跑"，中间隔了一整层工程问题：
- 账户类型决定签名协议，不是所有账户都一样
- 余额查询返回 0 不代表没钱，可能是查错了维度
- fail-closed 安全机制会让问题看起来像"策略停了"而不是"配置错了"
单号跑策略是个人项目，多号部署才是系统工程。

用 AI 之后每天工作时间更长了。
以前没有 Claude Code 的时候，想到一个点子，评估一下觉得太麻烦，算了。现在的问题是：什么都不麻烦了。数据采集想做就做，策略想试就试，内容想写就写。可能性太多，反而每天都在排优先级。
AI 确实帮你省了时间，但省下来的每一分钟都被新的可能性填满了。

预测市场策略回测的跟 Paper 的胜率再高、再乐观，一上实盘，问题就都出来了😂

太好笑了，之前录了一段声音做 voice clone，让 AI 帮我跑视频制作管线。
正用 cc 干活干着干着突然电脑开始用我自己的声音说话，给我吓一跳😂

疯了，刚才三个 Claude Code 终端窗口同时 529 overloaded，以为又被封号了，吓尿了 😅

Simon Willison（Django 联合创始人，现在专注 AI 工程实践）发了一篇 subagent 工程模式指南，把 LLM 子代理拆成三种模式：Serial（串行探索）、Parallel（并行执行）、Specialist（专家角色）。核心问题是 context 窗口有限，subagent 用独立窗口分担负载。

实际用下来，Parallel 被严重低估。派一批轻量模型并行跑探索，主窗口等结果回来就行，体验和效率差距明显。但最大的反模式不是过度分解，是过度信任 — subagent 返回的结果必须由主代理做交叉验证，不能直接采信。
最大收益不是速度，是 context 保护。主窗口干净，复杂任务才能走完最后一公里。
附 Simon 原文链接：

$370 就能操纵一个预测市场的价格。
LessWrong 上一篇文章拆了几个案例：Scott Alexander 引用 Polymarket 上 Anthropic 估值市场，说"市场认为 90% 概率会达到 $500B"。作者去翻了 orderbook，YES
那边总深度只有 $370。花这点钱就能把价格从 90% 砸到 76%。
更离谱的是同一个事件，Kalshi 显示 37%，Polymarket 显示 22%。差了 15 个百分点，因为两边流动性都差到没有参考价值。还有 Manifold 上的市场，整整一周零交易，照样被引用。
自己在 Polymarket 交易的体感也是这样 — 很多市场看着有个价格，但挂单薄到一笔几十美元的交易就能把价格推好几个百分点。价格存在和价格有意义是两回事。
原文值得一读：